1

Tengo un grupo de datos dat. Una variable dependiente y, dos variables independientes x, z (cada una de ellas con diez niveles).

Utilizo tapply para calcular la media de y para cada nivel de x:

means <- tapply(dat$y,dat$x,mean)

Ahora estoy intentando conseguir las medias de y para cada combinación de x y z. He intentado esto si éxito:

means <- tapply(dat$y,dat$x & dat$z,mean)

Agradezco comentarios.

2 respuestas 2

1

Recomiendo usar el paquete dplyr, dado que estas trabajando con data.frame, este paquete está orientado para trabajar con este tipo de objetos. Además si necesitaras agrupar por más variable, no es mucho codigo que tienes que cambiar de este ejemplo:

Si queremos obtener la media de la variable mpg de acuerdo a las combinaciones entre am y vs debemos hacer:


library(dplyr)

head(mtcars)
#>                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
#> Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
#> Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
#> Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
#> Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
#> Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
#> Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

mt_agrupada <- group_by(mtcars, am, vs)

mt_resumida <- summarise(mt_agrupada, media_mpg = mean(mpg))

mt_resumida
#>      am    vs media_mpg
#>   <dbl> <dbl>     <dbl>
#> 1    0.    0.      15.0
#> 2    0.    1.      20.7
#> 3    1.    0.      19.8
#> 4    1.    1.      28.4
1

Con tapply() podrías hacer lo siguiente (voy a tomar el ejemplo de jbkunst):

tapply(mtcars$mpg, paste(mtcars$am,mtcars$vs), mean)

    0 0      0 1      1 0      1 1 
15.05000 20.74286 19.75000 28.37143 

Como ves, usamos simplemente un paste() para "pegar" las dos columnas, según la documentación de tapply() este parametro se coerciona a un factor por lo que lógicamente deberíamos quedarnos únicamente con las combinaciones únicas de ambas columnas. El resultado final, como puedes ver es un array dónde cada columna representa una determinada combinación. En algunos casos, tal como te propuso jbkunst, una salida tabular es más clara y fácil de manejar, la cual podrías generar usando aggregate(), básicamente es algo así como el GROUP BY de SQL o el group_by de dplyr:

aggregate(mpg ~ am + vs, data=mtcars, FUN=mean)

  am vs      mpg
1  0  0 15.05000
2  1  0 19.75000
3  0  1 20.74286
4  1  1 28.37143

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.